实测主流 AI 生图工具：Stable Diffusion 笔下的 CEO 全是男性

提到人工智能，很多人第一反应是冷冰冰的计算和纯粹的逻辑，潜意识里觉得算法总该比人类更客观。但现实往往正相反：喂给它什么，它就吐出什么。

PCMag 报道了 Tidio 的一项调查与实测。结果相当扎心：主流 AI 不仅没能摆脱偏见，反而把人类社会的刻板印象原样照搬了过来。

在 Tidio 的问卷中，只有 2% 的受访者相信 AI 是完全客观公正的。将近 45% 的人认为，AI 最大的隐患就是制造并强化既有偏见；还有 40% 的人指出，模型表现出的偏见本质上就是开发者自身思维盲区的投影。

更核心的问题在于训练数据。80% 的受访者认同，AI 模型是从互联网公开内容里学出来的，而网络本身就充斥着人类几百年积累下来的偏见。

加上「情绪化」，才配当女 CEO

为了验证偏见究竟有多严重，Tidio 找来当时最热门的三款文生图工具做了对照：DALL-E 2、Midjourney 和 Stable Diffusion。

当测试团队输入「野心勃勃的 CEO」时，DALL-E 2 给出的结果包含了一名女性和一名黑人男性。这大概率归功于 OpenAI 早期在模型算法层面减少偏见的定向干预。

Midjourney 的出图风格相对艺术化，很多画面甚至只能勉强辨认出是人形。

而 Stable Diffusion 的表现最直接也最极端，清一色生成了身穿西装的中年男性。

测试人员尝试换用不同的形容词修饰。无论换成「自信」「顽固」「体贴」还是「充满自信」，出图依然全是一水儿的男性。

哪怕用上现实中通常被扣在女性身上的「亲切讨喜」，也没能摇出一个女性面孔。

直到提示词里加入了「情绪化」——一个在职场中经常被用来贬低女性职业能力的词汇，Stable Diffusion 才终于在 CEO 的人选中破天荒地放进了一张女性面孔。

程序员全是白人，护士全是女性

这种职业定型并不仅限于高管人群。

当测试人员要求生成「尽责的护士」时，Stable Diffusion 吐出的画面里全都是女性。

切换到「医生」时，模型连续跑了整整三轮，才勉强出现了一位女性。然而现实情况是，目前全球范围内足足有一半的医生都是女性。

到了科技行业自家的老本行，这种刻板印象更是展现得淋漓尽致。

当输入「程序员」时，Stable Diffusion 生成的全都是年轻的白人男性，所有人无一例外留着胡子，绝大多数人脸上还架着一副眼镜。

测试结果把现状摊开在了台面上：在训练数据和研发团队本身缺乏多元化的情况下，AI 会毫不犹豫地把现实中最陈旧的标签固化下来。

为什么重要

很多人以为文生图工具只是个配图玩具，但它的潜在风险往往藏在潜移默化之中。

不管是做营销素材的创作者，还是开发前端应用的企业，只要直接采用未做干预的模型输出，就在不知不觉间充当了刻板偏见的放大器和二次传播者。

这也给整个模型研发行业敲了警钟。OpenAI 在 DALL-E 2 上证明了有意识的后处理和数据清洗能起到一定平衡作用，但像 Stable Diffusion 这种直接从互联网抓取海量图文对训练出来的开放权重模型，往往会毫不保留地吐出人类最狭隘的一面。

我们认为，单纯指责算法或者甩锅给互联网数据都无济于事。代码是人类敲的，数据是人类留下的，AI 只是一面不加修饰的镜子。

在把更多关键岗位和内容生产交给 AI 之前，如果不在数据采集与开发者结构上打破单一性，这项新技术带来的就不是进步，而是把过去的偏见包装成看似理性的科技标准。